近些年来,科技高速发展,人们的交流方式也发生了翻天覆地的变化,每天都有数以百多万计的电子文件在互联网上流传,各个学科的文献也大批量的出现,接踵而至的是大批新的领域词汇,领域词汇充分体现和承载了如今社会已知学科领域所涵盖的核心知识。词汇的不断变化可以在不同程度的层面上反映出一个学科领域的时间空间上发展变化历程,因此领域词汇能让我们很容易的了解甚至理解一个学科领域的发展现状、未来趋势等,这对我们更好的认识领域知识有着重要的理论和现实意义。因此,设计出更好的领域词典构建方法迫在眉睫。本文重点研究基于监督学习的领域词典构建技术。主要工作如下:(1)本文先详细介绍了领域词典构建相关技术并对其总结,在此基础上,针对传统领域词典构建方法存在准确率低的问题,本文提出了一种基于监督学习的领域词典构建方法,首先对文本进行一些数据处理,用于保证关键词提取的准确性,然后进行词的特征提取,接着使用lightGBM训练一个分类器用于提取文章关键词,最后根据本文提出的一些规则进行领域词典构建。(2)为了验证本文方法的准确性和可行性,本文设计了两组实验。第一组实验是对比textRank关键词提取算法,实验结果表明本文提出的方法准确可行;第二组是使用本文的领域词典进行文档识别,实验结果表明本文文档识别准确率较高;综合以上两个实验证明本文提出的方法准确可行。(3)本文在上述方法之上,实现了领域词典构建系统,该系统具有领域词典扩充、领域文档识别的功能。经过验证该系统提取的领域词典准确率高,而且可以对领域词典进行不断更新。